夜雨聆风这篇本来想写"AI 工具生态"，但真正动笔的时候发现，这个词太空了。不如直接交代我这段时间到底在用什么东西、翻过什么车、最后留下了什么。
先说背景。我日常需要切换四个身份：
- 固收研究员
盯债市数据、读研报、跑量化模型 - 资产配置哨兵
盯宏观数据、跑择时模型、管理研报知识库 - 低年级小学生的爸爸
辅导作业、规划钢琴练习 - 闲鱼小老板
经济下行做点副业，搞了个客服机器人自动接单
这四个身份之间没有什么共同点，除了一个：都需要大量的重复劳动。
数据要手动查、研报要一篇篇存、公众号从选题到排版至少耗三天、孩子的计划安排、闲鱼客户要一条条回——这些事每件单独看都不难，但加在一起，一个人根本转不开。
然后我遇到了一个叫 Hermes 的工具。
一、它不是另一个 AI App
Hermes 不是什么新模型，它是个开源的 AI Agent 框架，跑在你的终端里。简单说，就是在命令行窗口敲几个字，给它一个任务，它自己调用工具去完成。
听起来和 ChatGPT 没什么区别对吧？区别在于：它能碰你的电脑。
ChatGPT 是一个对话框，你问它答。Hermes 可以读你硬盘里的文件、跑你写的 Python 脚本、定时执行任务、写新文件到指定目录、给你发微信/飞书/电报消息——它住在你的工作环境里，而不是一个封闭的网页。
这个过程不需要我手动复制粘贴任何东西。这是它和普通 AI 聊天工具最本质的区别。
二、固收研究：从此多了我的世界多了一个你（盯盘的）
固收研究最繁琐的工作不是分析本身，而是获取和整理数据。
以前我每天早上要做这几件事：
打开模版看下跟踪的数据、事件 扫一圈公众号的固收研报，下载值得读的 检查我的模型信号 如果有异动，写个简评发到群里
这些事加起来大半上午就没了。现在 Hermes 用 cron 定时任务接管了大部分：
数据监控：每天早上自动拉取宏观数据指标，格式化推送到我的飞书。我看到的不再是一个个散落在各网站的数字，而是一条结构化的信息简报。
研报管理：从公众号自动下载文章，用 AI 读取正文，按主题分类存入本地知识库。目前已经积累了数千篇文章，分成宏观数据、利率策略、银行研究等 10 个分类，每篇带好标签、日期、来源。我搜"2026Q1 信用债"，秒出结果。
择时模型：跑了一个基于真实市场数据的模型，通过常用的财经数据源实时获取输入。它每天算完自动输出信号，不用我手动拉数据。
ETF 监控：设了个定时任务盯异常波动，发现异动自动推送到群。
⬛——第一次翻车⬛
但我得说实话——这些自动化不是一次性搞定的。
最惨的一次翻车：设宏观经济数据监控的时候，我手滑写错了 cron 表达式。结果这个任务每小时跑一次，而不是每天早上跑一次。关键是任务逻辑写得有问题——只要接口能通就推送，不管数据有没有真的更新。于是我和群里的人连续收了一整天"宏观数据监控正常"的推送，每隔一小时一条，内容一模一样。直到晚上复盘的时候才发现，一天白收了二十多条垃圾消息。
还有个问题忘了说：模型参数设错也会翻车。有一次择时模型的参数更新没同步，结果推了一周明显偏离的信号。还好我每天手动复核对比，不然拿着错误数据做决策，后果比安静等下班严重得多。
教训：自动化不是甩手掌柜。cron 任务跑得再勤，你也得定期检查它有没有跑偏。
三、带娃：Kid Profile 是我的"分身"
这个场景是最出乎我意料的。
我家孩子上小学低年级，平时辅导作业、规划游泳训练、陪练钢琴这些事，说多不多说少不少，但每件都需要查资料、做计划——时间就这样被切碎了。
后来我给 Hermes 配了个专门的 Kid Profile：独立的配置、独立的 Prompt、用更便宜的模型跑。启动的时候输入 /kid chat，它就切换成"陪娃模式"。
游泳：我说"孩子蛙泳可以换气了，下一步练什么"，它给出从换气过渡到蛙泳完整动作的分阶段计划，精确到每周练什么、关注哪个技术细节。
钢琴：目前弹到小汤 3/拜厄，我说"这个阶段需要补充什么练习"，它会推荐适合的手指练习曲，还能给出陪练时怎么说的"话术"——比如"这里手腕别塌，想象手心里握着一个鸡蛋"这种孩子能听懂的说法。
数学作业：学校的周末卷，拍照传进去，OCR 识别后逐题解析。注意是解析，不是给答案——它会用"先算一算这个气泡里有多少个……"的方式引导思考。
睡前故事：说"讲一个宝可梦和数学有关的睡前故事"，它能现场生成一个 10 分钟讲完的原创小故事。
⬛——第二次翻车⬛
但 Kid Profile 一开始并不是这么好用的。
刚配置好的时候，我试了试，让它"给孩子讲讲为什么天是蓝的"——它洋洋洒洒写了 500 字的瑞利散射解释，包括波长公式。我一个成年人看着都皱眉，更别说低年级小孩了。
后来我把 Kid 的 Prompt 改成了纯口语化版本，加了约束："回答不能超过 3 句话，用比喻不用公式，小孩能听懂。"才算调到能用的状态。但即使这样，有时候它还是会不自觉地"变回大人"——讲着讲着就开始用复杂词汇。这个 defect 到现在也没完全修好，只能说大部分时间可控。
另一个实际问题：孩子不至于自己去敲命令行。所以实际使用中，Kid Profile 还是我在操作——我读题、把需求转述成 prompt、再把我认为合适的部分转达给孩子。它是我工作效率的放大器，不是取代亲子互动的工具。
四、闲鱼副业：自动客服的经历
这个有点偏离固收的主题了，不过既然前面说了"四个身份"，还是交代一下。
我在闲鱼上帮不熟悉技术的人远程安装 Hermes。一开始聊的人也还好，但后来问的人多了，同样的问题被重复问几十遍——"怎么装""Mac 能用吗""需要什么配置""贵不贵"。
所以我又用 Hermes 搭了个自动客服机器人（用的是开源的 XianyuAutoAgent）。客户来了，机器人自动识别常见问题并回复。
⬛——第三次翻车⬛
但机器人不是万能的。
有一次客户问了一个很具体的技术问题——"我在 Windows 上，代理设了但一直报超时，怎么办"——机器人回答了几轮没解决，最后还是转人工。那次之后我学乖了，加了一条规则：机器人连续两次无法解决问题的，自动转人工兜底。
还有一次更尴尬：客户问"你这个代理是什么，能用 GPT 代替吗"。机器人把"代理"理解成了网络代理，而不是 Hermes Agent 的简称。这种语境误解在纯文本对话中很难完全避免。
教训：自动化客服适合回答已知问题，遇到长尾问题最终还是得人来兜底。
五、它不是万能药
如果你看到这里觉得"我也要装一个"，那我必须说清楚几件事：
1. 配置有门槛
我得老实承认，这不是一个开箱即用的产品。你需要：
了解基本的命令行操作 注册 API 服务商、获取密钥 编辑 YAML 配置文件 偶尔处理依赖安装失败的问题
我帮人远程安装的时候，最顺利的 10 分钟搞定，最不顺的折腾了一个多小时（因为代理/网络/系统版本的各种兼容问题）。
2. 模型不是完美的
Hermes 本身只是框架，背后跑的是大语言模型。我用的是 DeepSeek 的模型，它有时候也会犯低级错误——一个朋友拿同一条逻辑题问了它和 GPT，Hermes 答错了。这种"翻车率"在 10%-15%左右，取决于任务类型。
所以关键决策永远不要全交给 AI。
3. 它不替代你，只是放大你
这是我最深的体会。Hermes 没有让我"少干活"——它让我有精力干更多有深度的事。原来花 1 小时整理数据的时间，现在可以花 1 小时想清楚：这个数据真的能说明什么问题？
六、到底值不值得？
三个月前装 Hermes 的时候，我也没想清楚它能干到什么程度。
三个月后回头看：
固收研究的日常数据工作，自动化覆盖了至少 60% 孩子的学习/运动规划有了结构化的辅助 闲鱼客服基本实现了无人值守 每天早晚各收到一次自动推送的信息简报
但更重要的是：它让我意识到一件事——AI 不是来替代你的，而是来放大你的。它不会让你变成另一个人，但会让你手里的事情不再超出你的能力上限。
固收研究员+资产配置哨兵+低年级小学生的爸爸+闲鱼小老板——这四个角色本来我一个人很难同时转起来。现在至少转起来了，虽然偶尔还会翻车。
工具好不好，不看它多智能，看你用它干了什么。
本系列：- [001：一个金融从业者为什么开始认真用 AI](001-一个金融从业者为什么开始认真用 AI)- [002：如何用 AI 读一篇固收研报](002-如何用 AI 读一篇报告)- [003：金融人的 AI 工具箱实测](003-金融人的 AI 工具箱实测)- 004：当 AI 住进终端：一个 Hermes 用户的真实翻车史 ← 你在这里
